Le competenze del Data Scientist
Maggio 22, 2015Piergiorgio Grossi, VP Innovation in Iconsulting, ex CIO di Ferrari Formula1 ci racconta gli asset per diventare Data Scientist e il valore che apporta questa figura nelle aziende.
Quali sono le competenze da possedere per diventare un Data Scientist?
Il Data Scientist deve fondare la sua competenza su 4 assi:
1) Competenza informatica: per affrontare questi “nuovi mostri”- i BigData – è necessaria una dimestichezza con tutto quello che le aziende più avanti tecnologicamente oggi (Google, Twitter, Facebook…ecc. ecc.) immettono sul mercato. Il Software come il nuovo lego, con cui costruire le proprie analisi.
2) Competenza che chiamerei statistica: una approfondita conoscenza degli algoritmi che permettono al Data Scientist di vivisezionare i dati alla ricerca appunto di un senso che non appare evidente neanche all’esperto.
3) Forte conoscenza del business: il Data Scientist non riceverà specifiche dettagliate su cosa cercare in questo “data lake”. Il business – nella maggior parte dei casi – non ha idea di cosa può fare con questi nuovi dati. Il Data Scientist deve quindi sapere ‘cercare’ in questo “lago” qualcosa che abbia senso per il business. Deve quindi avere una competenza tale del “dominio di business” a cui si riferisce, da poter procedere anche in autonomia.
4) A me piace pensare che ci sia un quarto asse: quello legato alle ‘humanities’ come dice Luca DeBiase i nel video tratto dal Better Decisions Forum, tra un buon dato e una buona decisione esiste un elemento non neutro che è il decisore stesso. Comprendere come la persona decide, permette al Data Scientist di distillare quella conoscenza utile al decisione per prendere decisioni migliori.
Quali sono gli ambiti di lavoro di un data scientist?
Il lavoro del Data Scientist si affianca, nella nostra visione, a quello degli esperti dei sistemi tradizionali che vengono chiamati Data Driven Decision Support Systems.
In una azienda ci sono informazioni e dati che devono in primis essere certi, qualitativamente puliti, certificati: questi devono risiedere nel lato IT “rock solid” dell’azienda per essere trasferiti capillarmente in modo affidabile e veloce a tutti i decisori.
Parallelamente appunto, c’è il Data Scientist che si muove in un mondo incerto: fatto di dati rumorosi, diversi tra loro, non necessariamente nati per essere correlati (es. i dati dei clienti che risiedono nei database di una azienda, gli utenti della nostra pagina Facebook o quelli che vengono dai sensori delle loro automobili). Il suo compito è appunto, da novello alchimista, quello di trovare oro da queste informazioni. Oro che viene distillato e – se possibile – trasferito nella parte “rock solid” del Sistema Informatico aziendale in modo da diventare patrimonio di tutti.
Perché è importante avere un data scientist in azienda?
Siamo in quella che viene definita una “Data Revolution”. Le nostre aziende sono invase quotidianamente da dati che sono, oggi come non mai, destrutturati, veloci, provenienti da fonti eterogenee.
I sistemi e i processi tradizionali, in grado di fornire informazioni certe al decisore, non sono però in grado di gestire tale velocità e varietà. Da qui la necessità di affiancare a questi sistemi “rock solid” strutture più dinamiche e veloci fatte di nuove tecnologie e nuove competenze.
Queste nuove competenze, mix di informatica, statistica, data visualization, scienze cognitive… sono gli elementi che identificano questo “novello unicorno” chiamato Data Scientist: “The sexiest job of 21st century” come dice l’Harvard Business Review.
Compito del Data Scientist è dare un senso a queste informazioni e aiutare le aziende a trovare nuove strade, nuovi prodotti, nuovi trend di mercato.
E’ facile reperire nel mercato del lavoro dei data scientist?
No. Non ancora. Data la eterogeneità delle competenze necessarie, è molto difficile ora trovare dei Data Scientist. La Silicon Valley, che su questi temi come sappiamo è qualche anno avanti a noi, ci dice che i DB di ricerca del personale sono pieni di offerte di lavoro per queste figure professionali.
Quindi ben vengano Master specializzati che formano le persone in tal senso.
Scopri tutti i dettagli del nostro Master in Data Science.
